動態(tài)路況信息下的出發(fā)時間選擇行為分析

周 偉，趙勝川

(1.大連理工大學(xué)管理與經(jīng)濟學(xué)部，116024遼寧大連;2.大連理工大學(xué)交通運輸學(xué)院，116024遼寧 大連)

出行方式、出行路線和出發(fā)時間選擇行為分析是交通需求管理中的重要內(nèi)容，根據(jù)出行者的出行特征和選擇行為進行交通需求預(yù)測已經(jīng)在國內(nèi)外相關(guān)領(lǐng)域得到了廣泛應(yīng)用.研究表明，約56%的出行者會因路況信息變化而改變出發(fā)時間［1］，因此路況信息條件下的駕駛員出行行為引起了學(xué)者們的關(guān)注.在交通行為數(shù)據(jù)建模和分析上，多采用離散選擇建模方法［2］，其中應(yīng)用最廣泛的是Logit模型，Logit模型要求具備非相關(guān)選擇方案相互獨立特性(Independence from irrelevant alternatives，IIA特性)，當選擇方案特性相似時，為避免因IIA特性造成的偏差，可采用 Nest Logit模型［3］、Probit模型［4］或 Mixed Logit模型［5-6］等.

由于本文重點考察的是路況信息對出發(fā)時間選擇的影響程度，在設(shè)定出行情境時只包含提前出行、按原計劃出行和推后出行，這3種選擇方案均有不同的特征屬性，因此可以采用多項Logit模型［7］.其次，國外學(xué)者在出發(fā)時間方面的研究很少涉及路況信息的影響［8-12］，而國內(nèi)對于出行行為研究較多的是換乘行為或路線選擇［13-14］，對出發(fā)時間則集中在道路收費或幾個時間段的分析上［15-16］，動態(tài)路況信息對其影響尚未見相關(guān)報道.綜上考慮，本文將提供基于出行時間的預(yù)測誤差信息，進而探討時間不確定性對出發(fā)時間選擇行為的影響，本文首先介紹了調(diào)查問卷設(shè)計和調(diào)查數(shù)據(jù)統(tǒng)計結(jié)果，然后闡述了路況信息條件下的出發(fā)時間選擇行為建模方法，并根據(jù)模型標定結(jié)果對信息屬性和個人屬性對出發(fā)時間選擇的影響進行量化分析，最后針對不同性別出行者對路況信息的敏感程度作進一步討論.

1 出發(fā)時間選擇行為調(diào)查

行為分析首先需要采集行為數(shù)據(jù)，常用的方法包括SP調(diào)查法(Stated preference survey)、RP調(diào)查法(Revealed preference survey)和交通觀測法等［17］，SP調(diào)查不僅具有數(shù)據(jù)獲取簡便、準確的特點，而且有完善的理論基礎(chǔ)，因此自從上世紀80年代開始，在交通領(lǐng)域得到了廣泛應(yīng)用.本次調(diào)查問卷主要包括兩方面內(nèi)容:第1部分調(diào)查動態(tài)路況信息條件下的出發(fā)時間選擇;第2部分調(diào)查出行者對路況信息服務(wù)的需求.另外，調(diào)查內(nèi)容還包括出行現(xiàn)狀及個人屬性等信息.

1.1 調(diào)查問卷設(shè)計

設(shè)計調(diào)查問卷首先需要確定選擇方案特性變量和選擇主體特性變量，然后確定選擇方案特性變量水平取值，最后設(shè)計選擇方案.影響選擇出行時間的因素很多，比如出行者屬性，如年齡、駕齡等因素;出行屬性，如出行目的、出行是否有時間限制，另外還包括天氣等環(huán)境因素.但是如果提供的信息超過受訪者的判斷能力，將不利于得到準確回答.通常，時間長短、距離遠近對駕車出行影響較大，考慮到實際提供的時間信息不可能完全準確，因此把時間誤差劃分為低、中、高3類，以便于下一步分析時間的不確定性對出發(fā)時間選擇行為的影響程度，最終本文選擇了出行費用、時間和出行時間預(yù)測誤差3個變量，作為選擇方案特性變量.

本文設(shè)計的SP調(diào)查構(gòu)造了3個出行情境:第1個是提前15 min出行的路況情境，第2個是按原計劃出行，第3個是推后15 min出行的路況情境，每種情境中的出行費用或時間各不相同，對每個特性變量選取2個水平值，如果采用全面試驗設(shè)計，全部的水平組合達到29=512，設(shè)計相應(yīng)的問卷將非常困難，本文采用正交試驗法來減少試驗的次數(shù)，正交試驗是從全面試驗設(shè)計中選出部分有代表性的點進行試驗，這些點具有“均勻”和“整齊”的特點，根據(jù)L12(211)正交表，得到正交試驗法選擇方案共12種，限于篇幅，具體的試驗方案這里不作詳細介紹.

另外，本文在設(shè)計問卷時還考慮了道路狀況隨著出發(fā)時間的變化出現(xiàn)逐漸變好、不變或變差3種情況，即行程時間隨之減少、不變或增加，從而符合路況信息的動態(tài)變化特征.為了提高答卷的準確度，選擇方案明確了出發(fā)時間為早7時，上班時間為8時30分，出行目的為通勤.最后，本文選擇了出行者的年齡、駕齡、年收入等7個變量作為選擇主體特性變量.

1.2 調(diào)查數(shù)據(jù)分析

大連理工大學(xué)交通運輸學(xué)院于2011年5月20日至6月20日在大連市區(qū)進行了“大連市動態(tài)路況信息下的居民出發(fā)時間選擇行為調(diào)查”，調(diào)查對象是有駕駛經(jīng)驗的出行者，沒有私家車但有駕照也屬于被調(diào)查范圍，期間共發(fā)放問卷230份，回收的有效問卷217份，有效率94.3%.調(diào)查采用兩種方式，第1種采用當面提問，問卷現(xiàn)場回收，答題的準確度很高，第2種采用問卷發(fā)送到受訪單位，隔周后統(tǒng)一回收，問卷回收率能達到95%以上，但數(shù)據(jù)準確度較低.另外，2010年清華大學(xué)交通研究所進行了“交通信息對駕駛員路線選擇行為調(diào)查”，其調(diào)查對象中的男性占97%以上［14］，考慮到目前城市女性私家車主所占比例不可忽視，本次調(diào)查在女性受訪者樣本數(shù)量方面進行了擴展，最終被調(diào)查對象中65%為男性，35%為女性，符合調(diào)查樣本的性別比例平衡要求.

根據(jù)被調(diào)查者的個人屬性統(tǒng)計結(jié)果，學(xué)歷屬性中占最大比重的是本科及專科，達到了54.8%，年齡在30～39歲的占57.1%，年收入在5～10萬元的占61.8%，而超過半數(shù)的受訪者駕齡在3年以下，這和近3年來大連市私家車和駕駛員數(shù)量呈快速增長勢頭相吻合.另外，近半數(shù)受訪者每周開車5次以上，從一定程度上反映了國內(nèi)私家車主的用車習(xí)慣.

其次，被調(diào)查者中60%在面對不熟悉的路線時，出行前需要提前了解路況信息，而對于熟悉的路線，近60%的受訪者選擇不需要了解路況信息，這和國內(nèi)城市實時路況信息普及程度不夠高有一定關(guān)系.另外，51.6%的受訪者認為路況信息最有價值的功能在于掌握行程時間、合理安排出行計劃，45%的出行者最關(guān)注的是路況信息準確度，略高于選擇信息應(yīng)方便適用，但是年齡在40歲以上的大部分人都選擇了后者.

圖1顯示了因為性別不同而導(dǎo)致對路況信息需求方面的差異，雖然出行時間作為出行者最關(guān)注的信息，但男性相比女性仍高10%，而女性對于擁擠變化信息的關(guān)注則高出男性近20%.其次，男性和女性對于出行時間的絕對誤差值容忍度較高，但是對于較大誤差的產(chǎn)生則難以接受，超過半數(shù)的女性對時間信息出現(xiàn)較大誤差表現(xiàn)了零容忍的態(tài)度，而男性中接受大誤差的比例為23.4%，高出女性近10%.圖中的預(yù)測精度1、2、3分別表示預(yù)測出行時間為60 min，誤差小于15 min;預(yù)測出行時間為60 min，10次出行有9次誤差小于10 min，有1次大于20 min;以及預(yù)測出行時間為60 min，10次出行有8次的誤差小于5 min，有2次大于20 min.

圖1 性別影響路況信息需求的統(tǒng)計結(jié)果

由于有45%的出行者最關(guān)注信息準確度，進一步分析發(fā)現(xiàn)，年齡30歲以下約1/3的出行者首先選擇了信息準確度，是3個年齡層群體里面所占比例最大的，隨著年齡的增長，關(guān)注準確度的比重有明顯下降，而關(guān)注出行費用的比例上升了10%.其次，各年齡層對于時間信息絕對誤差的容忍度比較相似，年齡在40歲以上的出行者對于出現(xiàn)較大誤差的接受度最高，達到24%，詳情見圖2.

收入對路況信息需求的影響也很顯著，由圖3可看出，被調(diào)查對象中的年收入在10萬元以上是最關(guān)注出行時間和擁擠變化信息的群體，由于收入最高，因此該群體不再關(guān)注出行費用，其次，他們對于時間信息出現(xiàn)較大誤差的容忍度最高，相應(yīng)地，對于出行時間絕對誤差要求也最為苛刻，選擇誤差不超過5 min的比例達到37.5%.

圖3 年收入影響路況信息需求的統(tǒng)計結(jié)果

2 出發(fā)時間選擇行為模型

本文建立出發(fā)時間選擇行為分析模型，選擇項有3支:1)提前15 min出行;2)出行時間不變;3)推后15 min出行.因此采用離散選擇模型中的多項Logit模型，基于隨機效用理論和效用最大化原理，選擇概率形式為

作為定量分析選擇模型中各因素的解釋變量，出行者選擇出發(fā)時間的效用由相應(yīng)的行程時間、費用以及出行者的個人社會經(jīng)濟屬性決定，具體效用函數(shù)為

其中:xk為第k個變量;βk為第k個變量所對應(yīng)的待定系數(shù)，K為變量的個數(shù)，i取1、2或3，分別表示提前出行、出行時間不變和推后出行;Vi為各選擇項的效用.

根據(jù)回收的217份有效問卷，共收集了651個有效樣本，采用GAUSS9.0統(tǒng)計軟件進行模型標定［16］，其中，個人屬性根據(jù)調(diào)查樣本的統(tǒng)計結(jié)果，采用啞元變量來描述，選擇性別為男性、學(xué)歷為本科及以下、年齡為18～39歲、職業(yè)為事業(yè)單位員工、年收入為5萬以下、駕齡小于3年以及每周開車次數(shù)為5次以下的變量取值為1，其他取值為0.對初次標定結(jié)果進行篩選，保留影響顯著的變量，再對改進后的模型進行二次參數(shù)估計，兩次模型標定結(jié)果如表1所示.

表1 兩種模型標定結(jié)果

由表1看出，出行費用、最大出行時間和最小出行時間標定參數(shù)分別為－0.169 0、－0.065 7和－0.027 9，表明這些變量與出發(fā)時間選擇呈負相關(guān)，即費用越多或者出行時間越長，選擇改變出發(fā)時間的概率就越大，出行者對最大出行時間的敏感度是最小出行時間的2.4倍，費用是出行者最為敏感的因素，為最大出行時間的2.6倍.個人屬性變量中只有職業(yè)和年收入的t檢驗值大于1，表明其他變量對模型解釋不顯著，而職業(yè)和年收入與出發(fā)時間選擇呈正相關(guān)，表示事業(yè)單位員工改變出發(fā)時間的概率較小，收入較高群體根據(jù)路況信息改變出發(fā)時間的概率較大.另外，最終計算得到的模型命中率為66.2%，修正的擬合優(yōu)度為0.267 6，根據(jù)模型參數(shù)計算的時間價值(Value of Time，VOT)在9.9～23.3元/h之間，這和按照人均月收入4千元、每天8 h計算的VOT為22元/h相吻合，都驗證了模型的有效性.

考慮到不同性別人群的出行選擇行為可能會有較大差異，本文對423個男性和228個女性樣本進行了數(shù)據(jù)分析.根據(jù)表2的標定結(jié)果，男性對最大出行時間的敏感度是最小出行時間的2倍，女性對于出行時間的不確定性更為敏感，達到了2.7倍;其次，女性對費用更為敏感，為男性的1.3倍，男性比女性更關(guān)注出行時間;另外，年齡和收入是影響男性改變出發(fā)時間的重要因素，而駕齡是影響女性改變出發(fā)時間的關(guān)鍵因素，駕齡高的女性更愿意改變出發(fā)時間.從年齡看，40歲以上的男性改變出發(fā)時間的概率較大，而這一年齡段的女性則更傾向于維持原計劃出行，顯然她們對路況信息的敏感度更低，這是本次調(diào)查分析中發(fā)現(xiàn)的不同性別在出行時的最大差異.另外，從模型的性能來看，男性樣本和女性樣本的模型命中率分別為65.5%和70.6%，修正的擬合優(yōu)度分別為0.270 9和0.266 8，在實踐中，通常擬合度不應(yīng)小于0.2，這也表明根據(jù)本文的調(diào)查數(shù)據(jù)建立的模型精度符合要求.

表2 根據(jù)性別分類后的模型標定結(jié)果

3 結(jié)論

1)不同性別的出行者對最大出行時間表現(xiàn)出較高的敏感度，達到最小出行時間的2倍以上，而且女性對時間的不確定性更為敏感.

2)出行者對費用的敏感度均高于出行時間，男性相比女性更關(guān)注最大出行時間，女性則更關(guān)注出行費用.

3)個人屬性變量中的駕齡、年齡和收入是影響出發(fā)時間的重要因素.這可為城市的個性化交通路況信息的發(fā)布提供決策參考依據(jù).

［1］林震，楊浩.交通信息服務(wù)條件下的出行選擇行為［J］.中國公路學(xué)報，2003，16(1):87－90.

［2］TRAIN K E.Discrete choice methods with simulation［M］.Cambridge:Cambridge University Press，2002.

［3］WEN C H，KOPPELMAN F S.The generalized nested logit model［J］.Transportation Research Part B，2001，35(7):627－641.

［4］ABDEL-ATY M A.Using ordered probit modeling to study the effect of ATIS on transit ridership［J］.Transportation Research Part C，2001，9(4):265－277.

［5］BEN-ELIA E，SHIFTAN Y.Which road do I take?A learning-based model of route-choice behavior with realtime information［J］.Transportation Research Part A，2010，44(4):249－264.

［6］ BEN-ELIA E，ETTEMA D.Rewarding rush-hour avoidance:a study of commuters’travel behavior［J］.Transportation Research Part A，2011，45(7):567－582.

［7］BEN-AKIVA M，LERMAN S R.Discrete choice analysis:theory and application to travel demand［M］.Cambridge:The MIT Press，1985.

［8］BHAT C R.Analysis of travel mode and departure time choice for urban shopping trips［J］.Transportation Research Part B，1998，32(6):361－371.

［9］JOU R C.Modeling the impact of pre-trip information on commuter departure time and route choice［J］.Transportation Research Part B，2001，35(10):887－902.

［10］OZBAY K，YANMAZ-TUZEL O.Valuation of travel time and departure time choice in the presence of timeof-day pricing［J］.Transportation Research Part A，2008，42(4):577－590.

［11］JOU R C，KITAMURA R，WENG M C，et al.Dynamic commuter departure time choice under uncertainty［J］.Transportation Research Part A，2008，42(5):774－783.

［12］LEMP J D，KOCKELMAN K M，DAMIEN P.The continuous cross-nested logit model:formulation and application for departure time choice［J］.Transportation Research Part B，2010，44(5):646－661.

［13］何保紅，王煒，陳峻.城市P＆R出行者選擇行為模型［J］.哈爾濱工業(yè)大學(xué)學(xué)報，2009，41(4):243－246.

［14］石京，陶立.實時交通信息提供對駕駛員路徑選擇行為影響量化分析［J］.武漢理工大學(xué)學(xué)報:交通科學(xué)與工程版，2010，34(4):639 －643.

［15］任英偉，陸鍵，吳守榮，等.高速公路可變收費貨車出行者出行時間選擇模型研究［J］.公路交通科技，2008，25(10):123 -129.

［16］楊玲玲，范燁，高峰，等.基于MNL模型的私人小汽車出行時間選擇研究［J］.交通標準化，2011，1:63－67.

［17］LOUVIERE J J，HENSHE D A，SWAIT J D.Stated choice methods:analysis and application［M］.Cambridge:Cambridge University Press，2000.